fasta/fastq序列长度分布统计

首先得到每条序列的长度，在这里使用seqkit软件。
seqkit软件是一个强大的序列处理工具，安装方法参见官方网站.
代码如下：

# -j 是线程数
seqkit fx2tab -j 30 -l  -n -i -H file.fastq.gz | cut -f 4 > Length.txt
# 查看Length.txt
head  Length.txt

结果如下所示：

Length.txt

将 Length.txt导入到R中绘制序列长度分布图，
代码如下：

library(tidyverse)

length <- read_tsv("Length.txt") %>% group_by(length) %>%
  summarise(Count = n())
length$length <- as.character(length$length)
sum <- sum(length$Count)
ggplot(length) + geom_col(aes(length, Count), width = 0.8) + 
  geom_line(aes(length, Count), group = 1) + geom_point(aes(length, Count)) + 
  scale_y_continuous(sec.axis = sec_axis(~.*100/sum, name = "% Relative Abundance")) + xlab("Length") +
  theme_bw() + theme(panel.grid = element_blank(), 
                     axis.title = element_text(size = 15))

ggsave("Length.png", height = 5, width = 8)
ggsave("Length.pdf", height = 5, width = 8)

结果如下：

Length.png